近期，中国科学院云南天文台恒星物理研究团组和天文技术实验室利用机器学习方法，合作开发了快速计算恒星-行星系统潮汐演化的方法。该方法相对于传统的理论模型计算，其速度可以提高四个数量级。该研究成果于8月31日在国际天文学期刊《皇家天文学会月报》（Monthly Notices of the Royal Astronomical Society）上在线发表。

由恒星和行星组成的类双星系统，其演化过程涉及到恒星和行星自身的演化、恒星和行星的物质损失、以及恒星和行星之间的潮汐演化。在其中，潮汐演化不仅改变了恒星的自转，也调整了行星的轨道参数，比如偏心率和轨道间距。潮汐演化是该系统角动量非守恒演化过程，其中涉及到恒星和行星之间角动量的交换以及恒星自身角动量的损失。传统地，通过在恒星演化中添加潮汐演化的计算模块可以得到它们的潮汐演化状态，但是计算效率较低，不利于将潮汐演化整合到恒星和行星组成的类双星系统演化中。

鉴于此，研究人员首先在一个包括了恒星质量、金属丰度、初始自转周期、行星质量、轨道半长轴等的参数空间中计算了15000余条潮汐演化的模型。然后他们通过机器学习的方法逼近了不同年龄下恒星有效温度、半径、恒星的自转周期和行星的轨道周期等。更进一步的，依据它们的演化特征，研究人员将恒星-行星潮汐演化分为了六个类型。他们发现除了恒星自转和行星轨道周期几乎一致的情况外，机器学习方法得到的结果能够在很大程度上复现恒星-行星潮汐演化状态（图一）。这提供了一个可以把潮汐演化过程便捷地包括在恒星-行星系统演化中的方式。

该研究工作第一作者为恒星物理研究团组博士生郭帅帅，通讯作者为天文技术实验室季凯帆研究员和恒星物理研究团组郭建恒研究员。该研究得到了国家自然科学基金和中国科学院战略性先导科技专项等研究经费资助。

论文链接

图一：a-f显示了恒星自转周期随年龄的变化，g-l显示了行星轨道周期随年龄的变化。蓝色实线是理论计算的结果，红色的是使用机器学习得到的结果。